Tintri今天发布了"2015存储状况"调研报告,在调研中,1000多名数据中心专业人士反映了他们面临的问题和优先考虑的事项。调研报告强调,性能、资本费用和管理是存储领域面临的三大问题,报告同时发现,机构组织的采购决策仍在以物理工作负载的需求为基础,尽管在过去十年中,虚拟化工作负载的比重已经扩大到75%。
在这项研究中,三分之二的受访者表示,他们所在的机构组织超过50%的工作负载已被虚拟化,其中38%的受访者使用不止一个虚拟机管理程序。不过,受访者仍把单位GB成本作为采购存储系统时考虑的排在性能和易用性之后的第三大重要因素。随着企业部署的虚拟机越来越多,准确预测存储系统支出应该使用单位虚拟机成本,而不是使用每GB成本。
Tintri首席营销官Yael Zheng表示:"如果IT决策者在选择存储系统时,继续把针对物理工作负载的采购标准沿用于虚拟工作负载,那么他们的基础设施最终将有可能不适合支持现代应用和他们自己的业务需求。为了改变数据中心并解决所面临的问题,他们需要转向专为虚拟化应用和云设计的存储系统。"
这项研究将使用传统存储技术和使用新一代存储技术的受访者所面临的问题进行了对比,发现使用传统存储系统的受访者在下列每一项都感觉问题更大:
性能(延迟):使用传统存储技术的受访者中,53%的人认为存在性能问题,而在使用新一代存储技术的受访者中这一比例仅为30%
资本费用(减少支出):使用传统存储技术的受访者中,44%的人认为存在资本支出问题,而在使用新一代存储技术的受访者中这一比例为36%
可管理性(管理时间和工作量):使用传统存储技术的受访者中,39%的人认为存在问题,而在使用新一代存储技术的受访者中这一比例为21%。
"2015存储状况"调研报告指出,固守现有存储系统实际上比采用新技术所面临的风险更大。企业开始意识到这点,这也解释了为什么在过去两年中三分之二的受访者早已与新存储厂商合作的原因。
好文章,需要你的鼓励
微软近年来频繁出现技术故障和服务中断,从Windows更新删除用户文件到Azure云服务因配置错误而崩溃,质量控制问题愈发突出。2014年公司大幅裁减测试团队后,采用敏捷开发模式替代传统测试方法,但结果并不理想。虽然Windows生态系统庞大复杂,某些问题在所难免,但Azure作为微软核心云服务,反复因配置变更导致客户服务中断,已不仅仅是质量控制问题,更是对公司技术能力的质疑。
Meta研究团队发现仅仅改变AI示例间的分隔符号就能导致模型性能产生高达45%的巨大差异,甚至可以操纵AI排行榜排名。这个看似微不足道的格式选择问题普遍存在于所有主流AI模型中,包括最先进的GPT-4o,揭示了当前AI评测体系的根本性缺陷。研究提出通过明确说明分隔符类型等方法可以部分缓解这一问题。
当团队准备部署大语言模型时,面临开源与闭源的选择。专家讨论显示,美国在开源AI领域相对落后,而中国有更多开源模型。开源系统建立在信任基础上,需要开放数据、模型架构和参数。然而,即使是被称为"开源"的DeepSeek也并非完全开源。企业客户往往倾向于闭源系统,但开源权重模型仍能提供基础设施选择自由。AI主权成为国家安全考量,各国希望控制本地化AI发展命运。
香港中文大学研究团队开发出CALM训练框架和STORM模型,通过轻量化干预方式让40亿参数小模型在优化建模任务上达到6710亿参数大模型的性能。该方法保护模型原生推理能力,仅修改2.6%内容就实现显著提升,为AI优化建模应用大幅降低了技术门槛和成本。